본문으로 건너뛰기

차·차·차 만들기 1: 차를 가진 사람의 역세권

다섯 명이 고른 아이디어를 서울 25개 구의 세 판정으로

9분 읽기
목차 7펼치기

집을 고를 때 역세권을 따지듯, 차가 있으면 주차와 출퇴근길, 전기차 충전까지 같이 봐야 합니다. 차·차·차는 그렇게 차를 가진 사람 입장에서 서울 25개 구를 비교하는 서비스입니다. 구를 고르면 차가 얼마나 많은 동네인지, 주차하기 좋은지, 차가 꼭 필요한지를 세 판정으로 보여 줍니다.

다섯 명이 함께 만들어 배포까지 마쳤습니다. 저는 팀장이자 PM으로 아이디어를 내고, 정규화와 풀스택 개발을 맡았습니다. 제게는 첫 팀 프로젝트였습니다.

차·차·차 배포 사이트 바로가기

차·차·차의 첫 화면 우리 동네. 왼쪽에 '우리 동네, 차와 살기 좋을까요?' 제목과 송파구의 세 판정 카드(차량 보유 많은 편, 주차 빠듯함, 대중교통 이용 적은 편)가 있고, 오른쪽 서울 25개 구 지도는 차량 보유 판정에 따라 세 가지 색으로 칠해져 있으며 송파구가 선택되어 있다

첫 화면인 우리 동네에서 송파구를 고른 모습입니다. 지도에서 구를 누르면 왼쪽에 그 구의 세 판정이 나오고, 판정 카드를 누르면 지도 색이 그 기준으로 바뀝니다.

다섯 명이 고른 아이디어

팀 프로젝트 주제는 "전국 자동차 등록 현황 및 기업 FAQ 조회시스템"이었습니다. 저는 이 주제를 넓혀, 차를 가진 사람이 살 동네를 고를 때 실제로 도움이 되는 서비스를 만들고 싶었습니다.

디스코드에 나온 아이디어를 후보 열 개로 정리해, 11월 5일 한 사람이 세 표씩 던지는 투표를 열었습니다. 다섯 명이 모두 표를 냈습니다. 가장 많은 표를 받은 건 제가 낸 "역세권을 따지듯, 차를 가진 사람 입장에서 동네를 보자"는 안이었습니다. 3표를 받은 번호판 조회는 자료를 구할 수 없어 빠졌습니다.

이튿날 저는 그 안으로 정했습니다. 전기차 충전 인프라 안도 버리지 않고, 제 안의 하위 지표로 넣었습니다.

마인드맵으로 범위의 기준을 잡은 것도 그날입니다. 서울 25개 구, 출퇴근 시간과 기상, 전기차 비중과 교통량, 주차장의 운영·요금·충전소로 가지를 뻗었습니다. 그때 적은 서비스 한 줄은 "이 구에서 차 끌고 살기 괜찮은가"였습니다. 이 물음은 완성된 서비스의 소개 문구에도 거의 그대로 남았습니다.

전국 대신 서울 25개 구

11월 8일 아침, 저는 범위를 서울 25개 구로 못 박았습니다. 전국으로는 넓히지 않았습니다.

비교 단위도 구로 맞췄습니다. 행정동 자료는 구별로 합쳐 썼고, 주차장과 충전소처럼 좌표가 있는 자료는 주소에 적힌 구 이름으로 구에 붙였습니다.

전국 자료는 "전국 등록 조회" 메뉴 하나에만 남겼습니다. 팀 프로젝트 주제에 "전국 자동차 등록 현황"이 들어 있었기 때문입니다. 시도·차종·용도로 조회만 하고 판정은 붙이지 않습니다. 기업 FAQ 화면에서는 현대자동차 EV 에브리케어 FAQ 10문항을 검색하고, 서비스 이용 안내도 함께 볼 수 있습니다.

접은 것도 있습니다. 처음 구상에는 시간대와 날씨에 따라 차와 대중교통 중 무엇이 나은지 추천하는 기능도 있었습니다. 하지만 승객 표본이 이틀치뿐이라, 추천 대신 평일 하루와 주말 하루의 시간대별 승객을 견주는 그래프가 대중교통 화면에 남았습니다. 충전 가격은 공공데이터에 없어 넣지 못했고, 주차장 빈자리와 충전기 사용 상태는 다음 계획으로 미뤘습니다.

차 세 개, 세 판정

차·차·차의 "차" 세 개는 이 서비스가 동네마다 내리는 세 판정입니다. 차량 보유 현황, 주차하기 좋은 동네, 차가 꼭 필요한 동네입니다.

처음에 저는 동네마다 점수 하나를 매기려 했습니다. 세 판정은 11월 8일, 제가 화면 방향을 "동네를 고르면 세 질문에 답한다"로 다시 잡으면서 나왔습니다. 그날 이야기는 3편에 있습니다.

판정마다 비교하는 값이 다릅니다.

판정비교하는 값
차량 보유 현황등록 대수 ÷ 세대 수
주차하기 좋은 동네주차면 ÷ 등록 대수
차가 꼭 필요한 동네하루 대중교통 승객 ÷ 주민 수

서울 25개 구를 값이 큰 순서로 세워 1~8위, 9~17위, 18~25위로 나누고, 차례로 아래 이름을 붙입니다. 순위는 SQL의 RANK()로 매기고, 그 SQL은 2편에 있습니다.

  • 차량 보유 현황: 많은 편, 보통, 적은 편
  • 주차하기 좋은 동네: 좋음, 보통, 빠듯함
  • 차가 꼭 필요한 동네: 대중교통으로 충분, 있으면 편함, 차가 필요한 편

셋째 판정은 주민 한 명당 하루 대중교통 승객이 많은 구부터 줄을 세웁니다. 그래서 1~8위가 "대중교통으로 충분", 18~25위가 "차가 필요한 편"입니다. 등록과 인구는 2026년 9월, 승객은 2026년 10월 30일 하루 자료입니다. 이 기준으로 25구 순위 화면에서 송파구를 고르면 이렇게 나옵니다.

25구 순위 화면. 송파구의 세 판정 카드에 세대당 차량 0.84대(서울 25구 중 3위), 차 100대당 주차면 1.3면(20위), 주민 1명당 하루 승객 1.01명(18위)이 나오고, 아래에 차 보유·주차·대중교통·전기차 충전을 서울 평균과 견주는 카드가 이어진다

송파구는 세대당 차량이 서울 3위라 "많은 편"이지만, 차 100대당 주차면은 20위라 "빠듯함"입니다. 주민 한 명당 하루 승객은 18위라 "차가 필요한 편"입니다. 아래 카드는 ERD·적재를 맡은 팀원이 만들었습니다. 같은 숫자를 서울 평균과 견준 말로 풀어, 주차가 평균의 49% 수준이라고 알려 줍니다.

맨 위 첫 화면은 셋째 판정을 "대중교통 이용 지표"라는 이름으로 보여 줍니다. 거기서 송파구는 "이용 적은 편"입니다.

왜 상대 비교인가

세 판정 모두 서울 25개 구 안에서 매긴 순위입니다. 자료 안내 화면의 "왜 상대 비교인가요?"에 그 이유를 적어 두었습니다.

'주차면이 몇 면이면 충분하다'처럼 절대 기준을 정할 근거 자료가 없어서, 서울 25구 안에서 상대 비교해요.

그래서 판정은 공공기관의 공식 평가가 아니라 팀이 정한 참고 규칙입니다. 차량 보유가 많은 편이라는 판정도 좋고 나쁨을 뜻하지 않습니다. 중구와 종로구는 출퇴근으로 들어오는 사람이 많아, 주민 한 명당 승객 값이 크게 나올 수 있습니다.

한눈에 보는 차·차·차

만든 것을 표와 그림으로 모아 봤습니다.

항목내용
기간2026년 11월 4일부터 11일까지
팀5명
범위서울 25개 구, 세 판정
화면12개
DBMySQL 표 18개, 외래키 25개, 111,676행
자료공공데이터와 기업 FAQ 11종
링크배포 사이트 · 코드 저장소

다섯 명이 마지막까지 맡은 일은 이렇습니다. 이 시리즈에서는 팀원을 이 역할 이름으로 부릅니다.

역할맡은 일
팀장·PM(저)초기 서비스 구상·아이디어, 정규화, 풀스택
프론트엔드화면 구조, 시연
데이터세부 데이터 항목 구상, 수집·정제, UI·지도 개선
크롤링공공데이터 크롤링
ERD·적재전체 ERD 설계, MySQL 적재, 문서·UX

MySQL과 Streamlit을 축에 두고 아래 기술을 썼습니다.

구분기술
언어·데이터 처리Python 3.14 Pandas 2.3.3
데이터베이스MySQL 8.4 DBeaver ERDCloud
웹·시각화Streamlit 1.67.0 Altair 5.3.0 Kakao Maps
수집Selenium 4.38.0 BeautifulSoup4 4.13.5 공공데이터 포털 API
협업Git GitHub

이 기술들이 어떻게 이어지는지는 그림 한 장으로 보는 편이 빠릅니다.

차·차·차 서비스 구조도. 로컬에서 공공데이터 API·파일과 BeautifulSoup으로 파싱한 현대 EV FAQ를 Pandas로 정제해 로컬 MySQL에 넣고(Selenium으로 모은 FAQ는 DB에 넣지 않는 검토용 CSV), 이 DB를 덤프해 클라우드 MySQL(DBaaS)에 복원한다. Streamlit Cloud의 차·차·차 앱은 Secrets를 읽고 클라우드 MySQL을 SQL로 조회하며(TLS 암호화), 서울시 주차정보 안내시스템에서 주차장 상세·역 검색을, 카카오 지도·경로 API에서 도보 경로를 받고, 사용자 브라우저는 앱을 쓰면서 카카오 지도를 표시한다

그림 오른쪽 위의 로컬 상자에서 자료를 모아 Pandas로 정제하고, 로컬 MySQL에 넣었습니다. 이 DB를 덤프해 클라우드 MySQL(DBaaS)에 복원했고, Streamlit Cloud에 올린 앱이 SQL로 조회합니다. 첫 화면을 뺀 지도는 카카오 지도 위에 그리고, 주차장 상세와 역 검색은 서울시 주차정보 안내시스템에서 그때그때 받아 옵니다. Selenium으로 모은 FAQ만 검토용 CSV로 두고 DB에 넣지 않았습니다.

완성된 화면을 둘러봅니다

첫 화면에서 지도 아래로 내려가면 동네 찾기 바로가기, 구에 맞춘 공공 사이트 연결, 서울 자동차 현황, 항목별 상위 구가 이어집니다. 바로가기의 "차 없이 살 동네"나 "전기차 타요" 같은 버튼을 누르면 답을 미리 고른 채로 동네 찾기가 열립니다.

동네 찾기 화면. 차가 있나요(있어요), 전기차인가요(아니요), 가장 중요하게 보는 것(균형 있게)을 고르자 반영 비율 주차 75%, 대중교통 25%가 표시되고, 내 기준 추천 동네로 1위 중구 100점, 2위 종로구 96점, 3위 용산구 90점 카드가 나온다

동네 찾기는 차가 있는지, 전기차인지, 무엇을 가장 중요하게 보는지 묻습니다. 위 화면은 "있어요", "아니요", "균형 있게"를 고른 결과입니다. 이렇게 고르면 주차 75%, 대중교통 25%를 섞어 25개 구 순위를 다시 매깁니다.

동네 찾기의 점수는 세 판정과 따로 계산하는 참고 점수입니다. 반영한 지표마다 25개 구 안 순위를 백분위로 바꿔 비중대로 평균합니다. 위 화면의 중구 100점은 주차와 대중교통 두 지표에서 모두 25개 구 가운데 1위라는 뜻입니다. 동네 찾기와 첫 화면 아래 구성은 ERD·적재 팀원이 만들었고, 질문과 추천 카드는 데이터 팀원이 다듬었습니다.

메뉴로 보면 화면은 모두 12개입니다. 우리 동네와 동네 찾기는 바로 가고, 나머지는 ERD·적재 팀원이 짠 묶음 메뉴 셋에 들어 있습니다.

  • 동네 살펴보기: 차량 보유, 주차·충전 찾기, 대중교통, 도로와 날씨
  • 비교·조회: 25구 순위, 두 동네 비교, 전국 등록 조회
  • 도움말: 기업 FAQ, 물어보기, 자료 안내

도움말의 물어보기는 질문하면 LLM이 DB를 조회해 근거 자료와 함께 답하도록 만들어 본 메뉴입니다. 이번에는 연결하지 않기로 해서, 지금은 열면 "물어보기는 아직 연결되지 않았어요"라는 안내가 나옵니다.

다음 편

2편은 자료 11종을 MySQL 표 18개로 정리한 DB 설계 이야기로, 빠진 자료를 0으로 읽지 않으려고 표를 나눈 과정이 중심입니다. 3편은 시안을 모두 버리고 화면과 지도를 다시 만들어 배포하기까지, 그리고 팀장으로 돌아본 이야기입니다.

  • #차·차·차
  • #팀 프로젝트
  • #PM
  • #Streamlit
  • #MySQL
  • #공공데이터

관련 글

댓글